[发明专利]鸟类识别方法

说明书

技术领域

本发明属于机场驱鸟技术领域，特别涉及一种鸟类识别方法。

背景技术

鸟撞又称鸟击，指鸟和飞机在空中相撞造成的飞行事故，具有多发性和突发性，一旦发生会使飞机受损，重者可使发动机失去动力，甚至飞机坠毁，造成重大人员伤亡。随着飞机性能的提高，航空业的发展，喷气式飞机的广泛应用，鸟撞事故也逐年增多，引起人们越来越关注。

传统的鸟类识别很少，部分是基于鸣声的鸟类识别，且基于鸣声的研究主要集中在个体识别、种间识别、分析亲缘关系以及行为状态上，对多种不同鸟类种类识别研究尚不系统。现有研究中，一般以频率和音节长度等为特征参数，这种识别方法，对于某些鸟类识别中识别效果比较好，但在很多鸟类识别中效果不佳；而且，对于多种鸟类混合在一起鸣叫时，识别效果非常的差。

发明内容

本发明的目的在于提供一种鸟类识别方法，能够准确有效地对鸟的种类进行识别。

为实现以上目的，本发明采用的技术方案为：一种鸟类识别方法，包括如下步骤：(A)建立鸟类数据库，数据库中包括鸟的动态信息和鸟的基本信息；(B)通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断移动物体是否为鸟类，若不是鸟类，则放弃追踪，若是鸟类，则继续跟踪并获取鸟的动态信息；通过红外热成像技术获取静态图像，通过对图像的背景、鸟成像大小光斑的处理采集鸟的基本信息；(C)将所采集到的鸟的动态信息、基本信息与数据库中存储的鸟的动态信息、基本信息进行匹配从而获得鸟的种类。

与现有技术相比，本发明存在以下技术效果：这里不再通过鸟的叫声进行鸟种类的识别，而是通过红外成像的方式获取鸟的动态信息、静态信息，再根据数据库中存储的信息进行比对，从而确定鸟的种类，这样确定得到的鸟的种类信息非常的准确。

具体实施方式

下面结合具体的实施方式，对本发明做进一步详细叙述。

一种鸟类识别方法，包括如下步骤：(A)建立鸟类数据库，数据库中包括鸟的动态信息和鸟的基本信息；(B)通过红外热成像技术追踪移动物体，并根据物体飞行轨迹、大小判断移动物体是否为鸟类，若不是鸟类，则放弃追踪，若是鸟类，则继续跟踪并获取鸟的动态信息；通过红外热成像技术获取静态图像，通过对图像的背景、鸟成像大小光斑的处理采集鸟的基本信息；(C)将所采集到的鸟的动态信息、基本信息与数据库中存储的鸟的动态信息、基本信息进行匹配从而获得鸟的种类。当鸟在飞行的时候，其基本信息不明显，不容易获取，而鸟类静止时，其基本信息比较明显，因此，这里通过追踪动态飞行的鸟动态信息、静态的鸟的基本信息来实现鸟类特征信息的提取，然后将提取到的特征信息与数据库中存储的特征信息对比，从而实现鸟种类的识别。相较于鸟鸣声识别方案来说，识别的准确度高很多。

优选地，鸟的动态信息、基本信息有很多，本实施例中优选地，所述鸟的动态信息包括鸟的飞行轨迹、飞行速度、飞行高度。所述鸟的基本信息包括鸟喙的形状、尾巴的形状、腿的长度。这里采用了比较容易获取的、便于处理的一些信息来作为特征进行获取和匹配，方便后续的操作。

作为本发明的优选方案，所述的步骤C中，若未匹配成功，则进入人工处理模式，由工作人员确认获取的鸟类动态信息或静态信息是否有误，若无误，则新增鸟的种类或对已有的鸟类增加新的动态信息或基本信息，若有误，则返回步骤B重新获取鸟的动态信息或静态信息。虽然建立了鸟类数据库，但是不可避免的会出现新的鸟类进入，或者鸟类特征的获取出现错误，这里通过人工处理模式，对上述出现的情况进行手动处理，保证处理的准确性。

优选地，所述鸟的飞行轨迹按照步骤数据化：(a1)根据鸟的飞行轨迹拟合获得曲线方程；(a2)解析曲线方程得到曲线的拐点分布、曲率数值分布信息；(a3)将拐点分布、曲率数值分布信息作为飞行轨迹的数据存储。有的鸟飞行轨迹比较直，这样拐点就少，曲率数值较小；有的鸟飞行时喜欢急转弯，其飞行轨迹拟合出来的曲线拐点就多，曲率数值较大。这里通过曲线的拐点分布、曲率数值分布信息可以很好地区分出各种鸟类的飞行轨迹。

所述鸟的飞行速度数据化为两个数值，即最低飞行速度和最高飞行速度；所述鸟的飞行高度数据化为两个数值，即最低飞行高度和最高飞行高度；所述鸟的腿的长度数据化为两个数值，即腿相对于身体比值的最小值和最大值。通过上述方式进行处理，将鸟的飞行轨迹、飞行速度、飞行高度、腿的长度这些信息处理成数字信息，这样既方便鸟类数据库的建立和存储，又方便后续的匹配处理。